Pemetaan Area Berbasis LiDAR Menggunakan Metode KPFCNN

Abstract

Pada pemetaan suatu area menggunakan Light detection and ranging (LiDAR) didapatkan data yang diolah menjadi peta tiga dimensi dari area tersebut, sehingga dapat diketahui bentuk topografi maupun objek di sekitar area tersebut. Namun untuk mengidentifikasi berbagai objek tersebut masih dilakukan dengan cara manual, sehingga pada kasus pemetaan area yang luas dibutuhkan waktu yang lebih lama untuk mengidentifikasi objek-objek tersebut. Untuk itu dibutuhkan sebuah metode yang dapat secara otomatis mengidentifikasi objek-objek pada area yang telah dipindai. Pada penelitian ini dibuat sebuah perangkat yang dapat melakukan scanning pada sebuah area kemudian hasil dari scaning tersebut dibuat bentuk visual tiga dimensinya sekaligus dapat mengklasifikasikan objek-objek yang ada di sekitarnya. Pada penelitian ini dibatasi pada pengenalan obyek bangunan dan pepohonan. Untuk melakukan klasifikasi tersebut dilakukan proses semantic segmentation dengan metode Kernelized Partial Flow Convolutional Neural Network (KPFCNN). Dengan dilakukan training pada framework dari KPFCNN, hasil pengujian pada penelitian ini didapatkan hasil scanning area yang optimal pada jarak 0,5 meter – 30 meter, dengan kerapatan jarak vertikal atar point sebesar 0,039 x radius scanning serta akurasi pada segmentasi objek pepohonan dan bangunan sebesar 94,61%.